面向分布式雷达自聚焦成像的稀疏盲去卷积方法
计算机视觉与模式识别
2018-05-10 v1
摘要
雷达成像系统（尤其是安装在移动平台上的系统）中一个常见问题是天线位置模糊。解决该模糊并校正位置误差的方法一般称为雷达自聚焦。试图解决天线模糊的常用技术通常假设雷达测量受到未知的增益和相位误差影响。然而，为保证未知误差的可辨识性和可处理性，对允许的天线扰动施加了严格限制。此外，这些技术往往不适用于近场成像，因为将位置模糊映射为相位误差的方法在此失效。本文提出一种替代公式，将每个天线的位置误差映射为图像域中的空间移位算子。因此，雷达自聚焦问题变为多通道盲去卷积问题，其中雷达测量对应于一个静态雷达图像与各个天线相关联的空间移位核卷积后的观测。为求解重构后的问题，我们还开发了块坐标下降框架，利用雷达场景的稀疏性和分段平滑性，以及二维移位核的单稀疏性质。我们使用仿真和实验雷达测量评估了方法性能，并证明其优于现有SOTA方法。
引用
@article{arxiv.1805.03269,
title = {Sparse Blind Deconvolution for Distributed Radar Autofocus Imaging},
author = {Hassan Mansour and Dehong Liu and Ulugbek S. Kamilov and Petros T. Boufounos},
journal= {arXiv preprint arXiv:1805.03269},
year = {2018}
}